如果能预知未来,你会怎么投资(资料保存)

作者:徐杨

我们做资产管理,碰到最难的问题,不是什么“你是做什么市场的?”,“你是做什么策略的?”,“你的规模有多大?”,而是“你今年的回报有多少?”

这个你今年回报如何的问题,真的不好回答,有良心的公司,作答之前肯定要多想想。

第一,回报的评价周期太短,就算是一年的时间,也并不能说明一个策略的好坏。

第二,如果今年到现在回报很高,我是跟投资人大吹特吹呢捞一笔呢,还是控制预期免得跌下来不好交待?

第三,过度宣传年化回报,会让投资人忽略了风险,以后很有可能被监管机构查。

其实对于大部分个人投资者来说,年化收益绝对是考虑投资最重要的因素。我当年炒股的时候,也是每天看着大牛股,流着口水梦想着我1年前要是买进哪只哪只就好了。

特别是那些5年10倍的牛股,我要是能提早知道,还不成了股神?

然而从实证的角度来看,就算你能预知未来,知道了某只或者某些股票下几年能涨个10倍,你也很可能会阴沟翻船。

不信?我们来做个测试。

前瞻性错误(look ahead)

天天做回测的矿工们都知道,回测的最大忌讳,就是look ahead。比如在预测模型中,拿今天的回报预测今天的回报,买入高回报的股票,卖出低回报的股票,你绝对能创造出人类历史上最牛逼的量化模型。

我们的这个测试,就是要完全基于look ahead。没错,我们在测试中,就是要拿股票未来的收益,选择出最好的股票。

回测时间:1927年1月1号 - 2016年12月31日

回测市场:美国股票市场

规 则:

1、1927年1月1号,我们选出美股市场上市值最大的前500只股票,然后计算这500只股票在今后5年的总回报。

2、我们将这些股票,按照今后5年的回报高低排序,排成10组。今后5年年化收益率最高的那组,叫”神之助攻“;今后5年年化收益率最低的那组,叫“猪之队友”。

3、在每一组中,我们按照市值高低(市值越大,份额越大)买入持有。

4、每隔5年,我们做一次组合的再平衡。例如,1927年1月1号的这10个组合,我们一直持有到1931年12月31日。

5、然后在1932年1月1日,我们重复以上的步骤,产生新的10个组合。

以此类推,一直重复到数据的最后。

能够预测未来的结果如何呢?

果不其然,如果你能买入未来确定高回报的股票,你当然能『取得』高的回报了。如果你得到神之助攻,年化回报能达到近30%。

80年间,平均每年30%什么概念?就是100块最后会变成 116,268,892,185,893!当初是不是应该投10000块?这样你就能买下宇宙了。

注意此图Y轴做了log(10)处理。

其实做投资决策的时候,往回看,看看过去1年或者几年的回报,这是无可厚非的。我们做量化,也是基于历史的数据。

但关键的一点是,我们不能老盯着年化回报,因为年化衡量的是某2个点之间的回报,是一个静态值,你根本不知道中间发生了什么。

比如这个神之助攻,虽然看透未来能『取得』神一样的回报,单是这个策略的风险也是非常的大。

如上图所示,这个策略在1929年的时候,跌幅超过75%(图左边),在1973年的时候,跌幅曾经超过30%,在2001年和2008年的时候,也曾经跌超过40%。

别说75%跌幅了,就算是30%的跌幅,大家早就逃走了,产品也面临着清盘的压力。所以就算是告诉你这个股票今后5年能涨2倍,你中间也hold不住。

不光是跌幅大,而且跌幅的长度也是很长。比如1929年的这次,从最高点掉到最低点,花了1005天。。。总计3年。。。

还有的跌幅虽然相对小,但是涨回去的时间花了一倍有多,比如这个2008年的大跌,从高到低花了395天,但是从低点涨回到原高点,耗了730天。。。

神之对冲基金策略

有人说,你下行风险这么大,对冲一下不就好了。我们上面有最好的回报组“神之助攻”,也有最差的回报组“猪之队友”,那么我们做多(long)神之助攻,做空(short)猪之队友,不就是一个完美的对冲基金策略了吗?

这个想法太好了,我们赶紧来测一测。

不测不知道,一测吓一跳:年化46%的收益率,1.86的夏普比率,这次你只需要投入100元,你就能买下全宇宙了。

但我们注意到,就算是这神一样的对冲策略,它的最大回撤还是有47%。历史上跌幅超过20%的次数有9次之多。

08年金融危机,下跌时间超过半年,涨回来花了2年。

你告诉我春天不远了,可是我死在了冬天的路上。

很多投资人在评价一个策略的时候,不仅关注这个策略本身的表现,而且经常会将这个策略与其最熟悉的比较基准进行比较。比如我们经常会把策略的回报和大盘的表现相比较,不管这个比较基准是不是适合于这个策略,而且比较的周期都比较短,一般在6-12个月。

下面我们就把神之对冲这个策略,和标普500进行比较,看看在连续投资1年的基础上,能不能跑赢。

这个神之对冲策略,在绝对部分时间内,都跑赢了大盘(图上蓝色框框以外的数据点)。但是,也有超过10次之多的时间,大幅度跑输大盘(蓝色框框内的数据点)。

在1933年和2009年的时候,跑输大盘的幅度超过70%。

一个看透未来、主动选股的策略,竟然连被动的指数都跑不过,饭碗是分分钟的保不住的。

以上的测试,纯粹是纸上谈兵,但是我们的观点很明确:

1、不要过于关注年化收益,要先理解这个策略的投资逻辑。

2、投资理念是不是靠谱?回测是不是有look ahead bias?

3、策略的最大风险有多少?我的心里投资期限有多长?

现实中的栗子

在现实中,比如之前亚马逊现金购买Whole Foods的新闻,吵得沸沸扬扬;最近贝索斯登顶成为新的世界首富,股价继续冲高。而FANG(Facebook,Amazon,Netflix,Google) 家族中与亚马逊齐名的另外3家,也是牛气冲天,甩开标普500几十条街。

2016年底到2017年7月28号,标普涨了11.7%,同期脸书涨了49.9%,亚马逊涨了36.0%,耐飞涨了48.7%,谷歌涨了20.9%。

大部分的投资人,过于关注回报。看到FANG涨了30%,就觉得自己钱被抢了,怎么又错过了。 每天被媒体狂轰乱炸,看到的新闻不是10天100%,就是10天负100%,特别的两级分化。

其实这4只神一样存在的股票,历史上都经历过非常大的跌幅。

亚马逊在2001年互联网泡沫破裂的时候,曾经跌超过90%,真的是一夜回到解放前。然后又花了2000多天的时间,才涨回来。

剩下的3只股票,最大跌幅也超过了40%,至少花了300天才涨回原高点。

你们多少人在买FANG的时候,是研究过其基本面的?还是因为不想错过这疯狂的盛宴?

在这种持续性的上次市场中,投资人最容易受到各种诱惑:朋友买了我没买,报纸登了我没看,再不入市就晚了!

没有一个系统性的投资框架, 举棋不定的投资人,往往会买在高点,卖在低点,造成巨额损失。

就算是你现在买FANG,也要通过大量的分析,要有坚定的信念,千万不要跟风上车,上了老司机的当。

写在最后

要知道,大部分的销售一上来就会给你推荐年化回报最好的产品,谁不喜欢高收益高回报呢?不是说年化收益率高不好,只是投资人真的不能过度关注在策略的年化回报或者是总回报上。

过度地关注于年化回报,会让投资人的心理产生潜移默化的影响,从而过少的关注策略的风险和其背后的投资逻辑。特别当投资人的预期被锚定在了高回报上,一旦策略达不到目标,投资人和可能就会快速离场。

股票风险大,入市须谨慎,就算你能预测出明年年底的点位,可是中间还是有12个月,你能保证在动荡之中还坚定的持有吗?

纵然是看透未来的大神,也可能会阴沟翻船。还是多多关注策略的风险和背后的逻辑吧,留得青山在,不怕没柴烧。

重磅延伸:

如何在股灾中赚取超额收益?

沪深暴跌、股灾来了怎么办?这个标题很恶心,但确实是我们在做投资的时候,必须思考的一件事。有的人会做择时,预测暴跌的时点。这种做法,早已被很多论文和数据证明为运气成分偏多。

其实靠谱的方式也有一些,今天我们来介绍其中的一种:多资产趋势跟踪策略(管理型期货)。

《穿越世纪的趋势跟踪》

AQR 6月份的一篇新paper,题目是“A Century of Evidence on Trend-Following Investing”,中文我们暂且译作《穿越世纪的趋势跟踪》。

AQR这篇文章主要用了超过135年的金融数据(最早的数据起始于1880年),横跨全球11个国家的股票指数、12种外汇、15种主权债券和29个大宗商品期货品种,来检验趋势跟踪里面一个最基本的策略是否有效。

这个策略就是时间序列动量(Time Series Momentum)。具体怎么做?其实很简单,比如用在上证综指上,如果上证综指过去1个月(包括当月)的总回报为正,那么下个月就做多股指;如果过去1个月(包括当月)的总回报为负,那么下个月就做空股指。

AQR分别测试了过去1个月总回报、过去3个月总回报、过去12个月总回报。并且用等权重的方式,将这3种不用时间长度的动量指标组合在一起,形成一个加权的动量指标。基于这个加权的动量指标,又将上述67种资产等权重的组合在一起,构造出了一个资产组合。

总结来说:趋势跟踪(动量指标)有效

1. 在单个资产中,动量指标能够降低此资产和其它主要资产的相关性,并且在大部分的资产中,提高其夏普比率。

图片摘自AQR论文,版权归其所有

2. 通过等权重地组合这67种资产标的,加上加权的动量信号,新的组合能够在股灾中大幅跑赢60%/40% 股/债的策略。

图片摘自AQR论文,版权归其所有

具体的文章解说,可以参考张翼轸的雪球文章《给趋势投资信仰充值:动量模型百年赚钱史》,已经说的非常详细了。

学术界的讨论

AQR论文中测试的这种基于多资产标的的趋势跟踪策略,有一个专业的代名词 -“Managed Futures”,也就是管理型期货,属于CTA策略。

除了这篇AQR的论文,从去年到现在,学术界上有2拨人一直在争论这个管理型期货到底是不是有效的。

管理型期货中的动量管用。一拨人以Tobias J.Moskowitz为首,加上Yao Hua Ooi, Lasse Heje Pedersen,写了一篇《Time Series Momentum》,我们将此论文简称为MOP。

MOP论文的结果跟AQR的这篇类似,测试了从1965年到2009年间58种资产(24种国际大宗,12种配对外汇,9个股指,13个主权债)。跟AQR不同的是,MOP用了风险平价权重,也就是谁的过往波动性高,谁的权重就低,而不是单纯的等权重来组合这58种资产。

动量指标只用了过往12个月的总回报。最后得出的结果是,在加了2倍杠杆的前提下,这个策略每年的超额收益在13.89%。

管理型期货中的动量不管用。另外一拨人以Abby Y.Kim为首,加上Yiuman Tse, John K. Wald,写了一篇《Time Series Momentum and Volatility Scaling》,我们将此论文简称为KTW。

KTW这拨人呢,也基本沿用了KOP的数据:1985年-2009年,55种不同的资产。他们得出的结论是,不加杠杆的情况下,KTW的策略每年的超额收益只有4.78%左右。

如果加了杠杆,这个策略年超额收益在13.76%。如果不加杠杆,这个策略跟买入持有没有太大区别。说白了,就是动量不管用!

这3拨人,搅在一起,不清不楚的,真是难搞。这里的争论点在于:

动量管用吗?

还是完全靠的杠杆的力量?

还是买入持有就完事了?

那么我们用自己的数据,来测试看看到底是因为时间序列动量管用呢?还是杠杆管用呢?

管理型期策略货历史回测

数据:1998年1月-2016年6月,包括了38种资产:22个国际期货品种,9个股指,7种主权债券。

我们在这里只选取了38种不同的资产,对整个模型做了简化。一是为了测试在简化的前提下,模型是否可靠;二是为了增强可操作性,交易38个品种 v.s. 交易67个品种的难易程度可想而知。

动量指标:过往12个月总回报,包括当月。根据AQR的论文,12个月的效果较好,这里也是为了简化测试结果和测试可靠性。

测试的策略,我们这里一共测试了4种策略

策略1:风险平价组合(基于过往36个月的波动性),不加杠杆(年化目标波动率在4.5%),买入持有,每月再平衡。

策略2:风险平价组合(基于过往36个月的波动性),不加杠杆(年化目标波动率在4.5%),动量指标(正动量就看涨,负动量就看空),每月再平衡。

策略3:风险平价组合(基于过往36个月的波动性),加2.5倍杠杆(年化目标波动率在12%),买入持有,每月再平衡。

策略4:风险平价组合(基于过往36个月的波动性),加2.5倍杠杆(年化目标波动率在12%),动量指标(正动量就看涨,负动量就看空),每月再平衡。

策略回报表现:

从上面的数据可以看出,加杠杆和不加杠杆的区别是非常大的:不加杠杆的策略1和策略2,比加了杠杆的策略3和策略4,年化回报低了很多。

然而不加刚刚的策略1和2,最大回撤也比加了刚刚的策略3和4,低很多:平均10% v.s. 25%。

杠杆是肯定会放大策略的波动幅度的:如果杠杆前策略为负,加了杠杆就会亏的更厉害;如果为正,加了杠杆就会赚得更多。

要注意的是,这里我们并没有计算杠杆费率,粗略的估计,杠杆费用一般在每年2-3%左右。即便如此,加了杠杆的策略3和策略4,其年化回报也高于另外2个策略,并且高于标普500和美国国债。

下面我们来看看年度回报:

在每一行中,我们横向比较,并且用不同的颜色来区分策略的好坏:红色代表表现好,绿色代表表现差。

没有采用动量的策略1和策略3,其股灾中超额收益并不明显。比如下图:在2001年互联网危机时,使用了动量的策略2和策略4,均录得正的年度回报,而没有使用动量的策略1和策略3,均为负,并且大幅跑输简单的60/40 股/债策略。

这个情况到了2008年危机时更加的明显。当标普500在2008年录得负36%的回报时,使用了动量的策略2和策略4,再一次的大幅跑赢大盘。而且在杠杆的作用下,策略4的年度回报超过了40%!

策略的动因和局限性

看到这里,我们能否说动量就是王道了呢?其实3篇文章中,都有一个共同点,就是动量改变了策略本身与其它主要资产的相关性。

要想跑赢大盘,就必须跟大盘不一样。

从相关性矩阵上来看就是非常的清楚了。没有做动量的策略1和3,它们和标普500的相关性有56%,与60/40 股债组合也有66%。

而做了动量的策略2和策略4,与标普500的相关性为负27%,与60/40也是负的17%。

杠杆是不能改变策略相关性的,杠杆改变的只是策略的剧烈程度(波动率)。

多资产动量策略(管理型期货)并不是全天候策略

然而负的相关性,也增加了策略的跟踪误差。比如在经历危机后的2009年开始,标普一路高歌猛进,而使用了动量的策略2和策略4,日子就非常难过了。

没有加杠杆但是用了动量的策略2,表现是最差的,从100块进去,最后只变成了122块,而标普同期能变成284块!就算是加了杠杆和用了动量的策略4,其末期净值也只有165,还是大幅跑输大盘。

反而,用了杠杆,但是没有用动量的策略3,其末期净值为243,仅次于标普这个妖魔大盘。

所以说,动量不是万能的!

虽然动量不是万能的,但是要赚取股灾中的超额收益,没有它是万万不能的。

不做动量的策略,与美国10年期国债的相关性只有26%;而做了动量的策略后,与国债相关性上升到了41%。国债一般是作为股灾时期的避险资产,动量在改变了资产间相关性后,增强了此策略的避险属性。

说到底,管理型期货这种策略,历来都是作为资产配置中的一个补充,充当另类资产的。它存在的首要目的,就是通过系统性的方法,将一些相关性低的资产组合起来,保护投资人免遭市场尾部风险/股灾时期的波动。

类似于买保险,平时交交保费,不怕一万,就怕万一。

下面我们就根据标普500的在1998年-2016年6月间的前10大回撤,看看同期的管理型期货策略到底表现如何?探寻杠杆和动量相互作用后的股灾时期的表现。

管理型期货股灾中的表现

在使用了动量后,策略的股灾逆向属性明显变好。当标普狂泻50%的时候,策略4(2.5倍杠杆 + 动量)涨了55%!

而策略3(2.5倍杠杆,不加动量/买入持有),虽然没有大盘跌的多,但是也跌去了27%。2000年互联网泡沫时期,大盘跌44%,策略4正30%。

在1998年-2017年6月间的标普前10大股灾中,不光是08年和00年的危机,在其余的8次危机中,使用杠杆+动量的策略4,均有不俗的表现,与10年期国债的表现不相上下。

我们使用X轴基于标普500的月度回报分布图也能看出动量赋予策略的不同属性。

使用杠杆+动量的策略4(红点和红线),其月度回报在标普为负的时候,明显的有负斜率,也就是负相关性,往往你跌我涨;在标普下跌的大部分时候,杠杆+动量的策略4,其月度回报都落在了正的区间上。

而没有动量,买入持有的策略3(蓝点和蓝线),月度回报的分布总体上与标普正相关,往往同涨同跌。超过一半的时间,其回报落在了负区间上。

趋势跟踪的动量策略有效低改变了资产和策略间相关性。

纵使是把超过30个资产组合在一起,如果只做买入持有,其股灾时不具备超额收益的特征。

杠杆只能增加波动率,不能改变策略间相关性。

最后来一张这个管理型期货与标普500的回撤比较图。

管理型期货(动量 + 杠杆 )在股灾中的抗跌性非常明显。

管理型期货不是全天候策略,在市场平稳的时候,其表现平平,比如红圈中。

写在最后

通过我们的数据分析,加上AQR和另外2篇论文的结果,我们对多资产动量策略(管理型期货)有了初步的认识。

杠杆绝对不是一个策略能够在股灾中大幅赚取超额收益的本因。只有通过多资产的组合,加上使用动量指标改变了资产间相关性,才能使能策略在股灾的时候表现出逆向的属性。

而在杠杆的作用下,此逆向属相得以放大,让投资人获益颇丰。然而我们要谨记:没有一个策略是万能的, 没有一个策略能每时每刻跑赢大盘。使用杠杆要建立在系统性的结构之上,不能盲目启用。

管理型期货虽然能在股灾中带来比较可靠的超额收益,但是在其它市场结构中,由于其与大盘的相关性为负,很有可能导致此策略跑不赢大盘,甚至是大幅跑输。要想保护资产不遭受黑天鹅事件,就必须在平时承担一定的风险。

每一个策略都有不同的侧重点,管理型期货在股灾中超额收益的属性,不能被神化,也不能被忽略。管理型期货策略说到底还是属于“另类资产”,需要与其它的资产组合起来,通过大类资产的科学配比,发挥其黑天鹅事件的逆向属性。

知其然,还要知其所以然。必须清楚地了解了策略的属性和构造之后,我们才能真正的用好这个策略。

另外这个管理型期货策略,普通投资人做起来很难,需要专业的管理人员进行配置。以后也会介绍一些类似的,但是便于操作的策略。